Reprsentations Compactes de Varits Non Linaires

Avec l'augmentation de la taille des donnes, la recherche d'information devient de plus en plus complexe. Ces donnes sont de plus en plus prcises, vivant dans des espaces multidimensionnels (allant d'une dizaine de dimension plusieurs millions et au-del). De fait, ces espaces sont creux et rendent l'analyse ou la classification difficiles. Il est alors ncessaire de rduire les donnes dans un espace compact reprsentatif de la varit dont ils sont issus. Les nouvelles techniques de rduction de dimension se basent sur l'analyse des faiblesses des reprsentations linaires telles que l'analyse en composantes principales et permettant de reprsenter efficacement des donnes complexes. La fonction de passage entre ces deux espaces permet d'amliorer la classification dans l'espace rduit ainsi que l'analyse statistique dans l'espace d'origine des donnes.